我国万人发明专利拥有量的空间分布

杨中楷++黄颖++徐梦真

摘要：选取2011年我国31个省市区万人发明专利拥有量的数据，借助Geoda和Arcgis 空间分析方法，对我国万人发明专利拥有量的区域分布进行可视化描述，揭示其空间分异特征。分析结果表明：我国万人发明专利拥有量空间分布不均衡特征明显；北京、天津、江苏、上海、浙江5个地区呈现高高特征，且上海是高高聚集的中心。

关键词：万人发明专利拥有量；区域分布；空间分异

中图分类号：G306 文献标识码：A DOI：10.3969/j.issn1003-8256.2014.02.010

1 引言

万人发明专利拥有量是指每万人拥有经国家专利行政部门授权且在有效期内的发明专利件数，是衡量一个国家或地区科研产出质量和市场应用水平的综合指标[1]。其计算公式为：万人发明专利拥有量=发明专利拥有量/总人口（万人）。2011年3月，《中华人民共和国国民经济和社会发展第十二个五年规划纲要》首次提出“到 2015 年，每万人口发明专利拥有量达到 3.3 件”的目标，这充分体现了党中央、国务院对专利事业的高度重视。

截止2011年底，我国已拥有国内发明专利35.1万件，首次超过国外在华发明专利拥有量。同时，我国万人发明专利拥有量（the number of invention patents per 10，000 heads ，以下缩写简称NIP10000）达到2.37件，这为实现国家“十二五”规划确定每万人口发明专利拥有量3.3件的目标奠定了坚实基础。

学术界对专利指标的关注，经历了从专利申请量和授权量到有效专利量的发展过程。从2005年左右开始，随着国家对有效专利及相关指标的不断重视，学术界开始将视角集中到有效专利数量的影响因素及变动规律[2][3]，并不断结合我国国情，利用统计数据展示有效专利的区域分布特征[4][5]。研究结果表明，在有效专利总量不断攀升的过程中，我国有效专利数量的区域分布呈现出明显的地区性差异。这些研究启发我们，在“十二五”规划提出NIP10000指标之后，有必要对我国NIP10000的区域分布进行深入而全面的分析。在力求全国NIP10000平均数量不断提升的过程中，使有关部门充分认识到区域发展水平的明显差异。实现助力区域联动、协调发展的战略目标，推进我国专利事业的快速发展。

基于上述分析，本文研究将从我国NIP10000的统计数据入手，利用地理信息系统软件工具，揭示我国NIP10000分布的区域特征，为我国专利事业的全局性发展提供决策参考。

2 研究数据和方法

2.1 数据来源

本文研究数据来源于国家知识产权局统计年报中2011年有效专利的各项数据（http：//www.sipo.gov.cn/ghfzs/zltjjb/jianbao/year2011/indexy.html），人口数据来源于《中国统计年鉴》。考虑到港澳台地区的现实情况且缺少相关数据，所以本文不将其列为研究对象。

2.2 研究方法

本文研究采用Arcgis和 Geoda 软件提供的空间分析方法，对我国NIP10000的空间分布情况进行定量测算和可视化展示。Arcgis和 Geoda是交互式的工具，具有较强的可操作性，能对空间分布数据进行测算和可视化分析，适用于空间分布的实证研究。

3 研究结果与分析

3.1 NIP10000的空间分布

截至2011年底，我国各省区NIP10000分布数据如表1所示，运用Arcgis几何分级方法，可将我国2011年NIP10000的空间分布进行可视化描述，按照指标由高到低分为6个等级，如图1所示。从图1可以看出，2011年我国31个省区NIP10000在空间上存在着明显的差异，区域发展不均衡现象较为明显。北京的NIP10000的数量达到了26件，为第一等级；上海的NIP10000的数量超过13件，为第二等级；广东、浙江、江苏、天津等四个省区为第三等级；黑龙江、吉林、辽宁、山东、陕西、重庆、湖南、湖北、福建等九个省区为第四等级；河北、山西、河南、安徽、甘肃、四川、云南、贵州、海南等九个省区为第五等级；新疆、西藏、青海、内蒙古、广西、江西、宁夏等七个省区NIP10000的数量相对较少，为第六等级。

图1 NIP10000 空间分布分级图

3.2 NIP10000的区域集聚度分析

继续利用Arcgis软件，可得到NIP10000分布的散点图，如图2所示。图中，NIP10000分布呈现出明显的空间分布特征，东部沿海地区以及京津地区点密度较大，由东部向中部和西部呈整体梯度递减态势。全局来看，东部地区和中西部地区的差距明显，中部地区和西部地区的差距相对较小。中西部地区NIP10000水平较低，区域规模较大，使得整体NIP10000的分布显得较为分散。进一步利用吉布斯-马丁分散指数[6]来衡量我国NIP10000的集聚程度，其计算公式为：

3.3 NIP10000的空间自相关分析

在对全国NIP10000分布状况进行全局分析之后，我们将视角聚焦到省区层次，分析各省区因NIP10000分布所形成的空间联系，即各省区的空间自相关性。空间自相关是空间依赖性的重要形式，是指研究对象和其空间位置之间存在的相关性，包括正相关和负相关两种[10]。正相关表明某要素的属性值与其相邻空间要素的属性值具有相似性，负相关则相反。通过Arcgis和Geoda可视化技术能够直观地揭示空间数据特性，探测数据空间上联系的格局，识别异常点或区域（聚或热点区）发现空间异质性[11]。我们通过Moran散点图和LISA集聚图来揭示NIP10000的空间异质性。

3.3.1 Moran散点图

图3 NIP10000空间分布的Moran散点图、象限图及刷光图

Moran散点图分为四个象限，分别对应于区域单元与其邻居之间四种类型的局部空间联系形式：第一象限代表了高观测值的区域单元被同是高值的区域所包围的空间联系形式；第三象限情况与第一象限情况正好相反。第二象限代表了低观测值的区域单元被高值的区域所包围的空间联系形式；第四象限情况亦与第二象限情况相反 [12]。

利用各省区NIP10000的数据，绘制Moran散点图及其刷光图。如图3的象限图所示：

第一象限叫高高象限，是NIP10000的高水平地区，北京、天津、上海、江苏、浙江五个省区位于第一象限，表明这几个省区的NIP10000水平较高，并且其邻近地区的NIP10000水平也较高，邻近地区对彼此的影响是正向的，具有较强的空间正相关。

第二象限叫低高象限，福建、河北位于第二象限，河北处于京津附近，福建邻近江浙与广东，两省区自身的NIP10000水平较低，与之相邻的地区的NIP10000水平较高。

第三象限叫低低象限，黑龙江、吉林、辽宁、内蒙、新疆、西藏、青海、四川、云南、宁夏、陕西、山西、河南、湖南、湖北、重庆、贵州、广西、安徽、江西、海南、山东、甘肃这23个省区位于第三象限，这些省区NIP10000水平较低，与之相邻的地区NIP10000水平也很低，说明这些地区与其周边地区空间正相关。

第四象限叫高低象限，只有广东位于第四象限，表明广东的NIP10000水平也较高，但与第一象限相比有所不同，与其相邻的地区NIP10000水平较低，广东与周边地区的影响是负向的，具有较强的空间负相关。

刷光第一象限的所有点，得到图3（A）。在图3（A）中带有菱形格线的4个地区是第一象限的4个地区，这4个地区之间两两相邻，形成了高高集聚的现象，图中清晰地显示北京和天津相邻，且处于高高象限，说明北京和天津是互相带动，对彼此有效专利发展水平是相互促进的，同理江苏、浙江和上海亦如此。刷光第三象限的点，得到图3（B）。从图3（B）中可以看出，除去东南沿海及京津地区之外，我国大部分地区都呈现出低低集聚的现象。这从另一个角度印证了我国NIP10000空间分布的分散现象。

3.3.2 LISA集聚图

前面分析了地区之间的自相关性，为了更好的揭示这一现象，我们采用空间关联的局部指示指标LISA来探测单元属性和其周边单元属性的相近或差异程度，对上述四象限内部的各省区再做进一步的分析。LISA集聚也分为四种情况，每一种情况分别对应一个地区与其邻近地区的关系，其中 High-High象限说明周围高水平区域包围一个高水平区域，也就是说某个区域的水平较高，与之邻近区域的空间差异程度较小；Low-Low象限说明低水平区域被其他低水平区域所包围，即某个区域的水平较低，且与之邻近区域的空间差异程度较小；Low- High象限说明其他高水平的区域包围一个低水平区域，即某个区域水平较低，与之邻近区域的空间差异程度较大；High-Low象限说明其他低水平的区域包围一个高水平区域，意味着某个区域水平较高，与之邻近区域的空间差异程度较大[13]。

图4 NIP10000空间分布的LISA集聚图

从图4中可以看出，东部地区高高集聚的中心区域是上海，其周边地区江苏、浙江的NIP10000水平也很高，说明上海、江苏、浙江之间的空间差异程度较小。而北京和天津由于邻近地区NIP10000水平较低，因此未能成为高高集聚的中心。新疆、甘肃、内蒙古这3个地区为低低集聚的中心，这3个省区NIP10000水平较低，其周边地区的水平也较低，说明新疆、甘肃、内蒙古与其周边地区的NIP10000差异程度很小；河北、福建与相邻的地区比较NIP10000的水平较低，但其周边地区NIP10000的发展水平较高，因此成为低高集聚的中心；广东与邻近地区比较，NIP10000的水平较高，其周边地区NIP10000的发展水平很低，因此广东成为高低集聚的中心，与其周边地区的NIP10000差异程度很大。

4 结论与对策

综合上述分析结果得出以下结论：首先，我国NIP10000的空间分布呈现由东部沿海地区以及京津地区向中西部梯度递减的态势。NIP10000水平较高的地区大多集中在东部沿海和京津地区，中西部广大地区NIP10000水平总体较低。其次，我国NIP10000的空间分布局部相对集中，但整体仍呈现较为分散的格局，这与中西部地区NIP10000水平较低有很大关系。再次，省区之间联动发展态势不明显，目前只有京津地区和长三角地区由于长期以来形成的合作关系，区域发展水平较高，南部沿海地区只有广东一枝独秀。最后，占据我国大部分国土面积的广大中西部地区缺乏中心区域，更毋论中心区域的带动作用几何。

根据最新的统计数据，2012年我国NIP10000已接近“十二五”规划所制定的3.3件的目标，且增长势头明显。但不可回避的是，从本文研究结果来看，全国NIP10000的空间分布差异是客观存在的。依据国家知识产权局田力普局长“专利拥有量反映的是市场价值，代表的是这个发明创造究竟能不能得到市场认可，能不能产生经济效益”的论断，可以判断全国大部分省区专利事业的发展仍然未能更好地与市场经济融合。各级部门应该认识到NIP10000所体现的重要意义，以创新驱动发展，以专利事业发展保障创新活力。在工作中，加强对专利的有效运用，充分释放发明创造对区域经济社会发展的促进作用，提高NIP10000的发展水平。

当然，空间分布不均衡是客观存在的。但从我国专利事业发展的总体格局来考虑，应该营造区域联动、协同发展的良好局面，推动区域之间就专利事业开展实质性合作。充分发挥发达省区的示范带动作用，促进其他省区共同进步。以京津地区为中心带动东北、华北地区发展；以上海、江浙为中心带动长江中下游地区发展；以广东为中心带动南部地区发展；以陕西、重庆等基础较好的省区为中心带动西部地区发展；最终实现我国专利事业的整体跃升，早日接近发达国家的发展水平。

参考文献：

[1]国家知识产权局.国家知识产权战略纲要[EB/OL].[2013-03-23].http：//www.sipo.gov.cn /ztzl /ywzt/zscqzl/.

[2]杨中楷，沈露威.我国有效专利区域分布状况分析[J].情报杂志，2010，29（ 5）：62-65.

[3]杨中楷，沈露威.试论有效专利指标[J].情报杂志，2010，29（17）：35-38.

[4]杨中楷，沈露威.基于有效专利指标的区域创新能力评价[J].科技与经济，2010，23（1）：30-33.

[5]杨中楷，沈露威.基于GeoDA- GIS的我国有效专利空间分异研究[J].图书情报工作，2011，55（10）：69-73.

[6]刘凤朝.中国科技力量布局分析与优化[M].北京：科学出版社，2009.

[7]马洪，王梦奎.中国发展研究[M].北京：中国发展出版社，2003.

[8]刘凤朝，潘雄锋.我国八大经济区专利结构分布及其变动模式研究[J].中国软科学，2005 （6）：96-100.

[9]刘凤朝，孙玉涛.中美发明专利区域分布比较[J].当代财经，2006，（4）：14-22.

[10]罗军，白永平.嘉陵江流域经济空间分异研究[J].长江流域资源与环境，2010，19（4）：364-369.

[11]蒋国富，长运.河南省县域经济的空间分异[J].经济地理，2008，28（4）：636-639.

[12]张玉明，李凯.中国创新产出的空间分布及空间相关性研究[J].中国软科学，2007（11）：97-103.

[13]王贤文，基于GIS的区域科技发展空间结构与合作网络分析[D].大连：大连理工大学，2009.

（责任编辑：张 萌）

Space Distribution of the Number of Invention Patents per 10，000 Heads in China

YANG Zhongkai，HUANG Ying，XU Mengzhen

（Dalian University of Technology，Dalian 116023）

Abstract：With the help of Geoda and Geographic Information System， data of the number of invention patents per 10，000 heads of Chinas 31 provinces in 2011 are selected in this paper to visually describe their regional distribution of China's patent ownership and to reveal its characteristics of spatial differentiation.The results indicate an obvious imbalance in regional distribution of the number of invention patents per 10，000 heads. The five districts include Beijing， Tianjin， Jiangsu， Shanghai and Zhejiang show a High-High feature.Shanghai is the center of the High-High gather.

Keyword： The number of invention patents per 10，000 heads；Regional distribution；Spatial differentiation

参考文献：

[1]国家知识产权局.国家知识产权战略纲要[EB/OL].[2013-03-23].http：//www.sipo.gov.cn /ztzl /ywzt/zscqzl/.

[2]杨中楷，沈露威.我国有效专利区域分布状况分析[J].情报杂志，2010，29（ 5）：62-65.

[3]杨中楷，沈露威.试论有效专利指标[J].情报杂志，2010，29（17）：35-38.

[4]杨中楷，沈露威.基于有效专利指标的区域创新能力评价[J].科技与经济，2010，23（1）：30-33.

[5]杨中楷，沈露威.基于GeoDA- GIS的我国有效专利空间分异研究[J].图书情报工作，2011，55（10）：69-73.

[6]刘凤朝.中国科技力量布局分析与优化[M].北京：科学出版社，2009.

[7]马洪，王梦奎.中国发展研究[M].北京：中国发展出版社，2003.

[8]刘凤朝，潘雄锋.我国八大经济区专利结构分布及其变动模式研究[J].中国软科学，2005 （6）：96-100.

[9]刘凤朝，孙玉涛.中美发明专利区域分布比较[J].当代财经，2006，（4）：14-22.

[10]罗军，白永平.嘉陵江流域经济空间分异研究[J].长江流域资源与环境，2010，19（4）：364-369.

[11]蒋国富，长运.河南省县域经济的空间分异[J].经济地理，2008，28（4）：636-639.

[12]张玉明，李凯.中国创新产出的空间分布及空间相关性研究[J].中国软科学，2007（11）：97-103.

[13]王贤文，基于GIS的区域科技发展空间结构与合作网络分析[D].大连：大连理工大学，2009.

（责任编辑：张 萌）

Space Distribution of the Number of Invention Patents per 10，000 Heads in China

YANG Zhongkai，HUANG Ying，XU Mengzhen

（Dalian University of Technology，Dalian 116023）

Abstract：With the help of Geoda and Geographic Information System， data of the number of invention patents per 10，000 heads of Chinas 31 provinces in 2011 are selected in this paper to visually describe their regional distribution of China's patent ownership and to reveal its characteristics of spatial differentiation.The results indicate an obvious imbalance in regional distribution of the number of invention patents per 10，000 heads. The five districts include Beijing， Tianjin， Jiangsu， Shanghai and Zhejiang show a High-High feature.Shanghai is the center of the High-High gather.

Keyword： The number of invention patents per 10，000 heads；Regional distribution；Spatial differentiation

参考文献：

[1]国家知识产权局.国家知识产权战略纲要[EB/OL].[2013-03-23].http：//www.sipo.gov.cn /ztzl /ywzt/zscqzl/.

[2]杨中楷，沈露威.我国有效专利区域分布状况分析[J].情报杂志，2010，29（ 5）：62-65.

[3]杨中楷，沈露威.试论有效专利指标[J].情报杂志，2010，29（17）：35-38.

[4]杨中楷，沈露威.基于有效专利指标的区域创新能力评价[J].科技与经济，2010，23（1）：30-33.

[5]杨中楷，沈露威.基于GeoDA- GIS的我国有效专利空间分异研究[J].图书情报工作，2011，55（10）：69-73.

[6]刘凤朝.中国科技力量布局分析与优化[M].北京：科学出版社，2009.

[7]马洪，王梦奎.中国发展研究[M].北京：中国发展出版社，2003.

[8]刘凤朝，潘雄锋.我国八大经济区专利结构分布及其变动模式研究[J].中国软科学，2005 （6）：96-100.

[9]刘凤朝，孙玉涛.中美发明专利区域分布比较[J].当代财经，2006，（4）：14-22.

[10]罗军，白永平.嘉陵江流域经济空间分异研究[J].长江流域资源与环境，2010，19（4）：364-369.

[11]蒋国富，长运.河南省县域经济的空间分异[J].经济地理，2008，28（4）：636-639.

[12]张玉明，李凯.中国创新产出的空间分布及空间相关性研究[J].中国软科学，2007（11）：97-103.

[13]王贤文，基于GIS的区域科技发展空间结构与合作网络分析[D].大连：大连理工大学，2009.

（责任编辑：张 萌）

Space Distribution of the Number of Invention Patents per 10，000 Heads in China

YANG Zhongkai，HUANG Ying，XU Mengzhen

（Dalian University of Technology，Dalian 116023）

Abstract：With the help of Geoda and Geographic Information System， data of the number of invention patents per 10，000 heads of Chinas 31 provinces in 2011 are selected in this paper to visually describe their regional distribution of China's patent ownership and to reveal its characteristics of spatial differentiation.The results indicate an obvious imbalance in regional distribution of the number of invention patents per 10，000 heads. The five districts include Beijing， Tianjin， Jiangsu， Shanghai and Zhejiang show a High-High feature.Shanghai is the center of the High-High gather.

Keyword： The number of invention patents per 10，000 heads；Regional distribution；Spatial differentiation